【資料圖】

▲直播現場視頻截圖

自變量相關負責人介紹，在此次測試中，采用完全隨機的真實物流包裹，大小、重量、材質、擺放姿態均無統一標準，模擬人工上料的真實雜亂工況，還原了異形件分流的真實產線需求。

紅星資本局注意到，相比此前美國企業Figure AI物流分揀中采用的“人形機器人+五指靈巧手”的方案，自變量此次直播使用的是雙機械臂和夾爪。

美國Figure AI今年5月進行了一場轟動全網的200小時馬拉松直播，3臺人形機器人輪班分揀包裹，總共處理了近25萬件，平均效率1248件/小時。自變量的這套方案實測有效分揀效率達1816件/小時，較海外公開標桿數據提升45%，分揀準確率超過98%，可直接提升單工位吞吐能力。同時，夾爪與雙臂構型整體部署成本較海外同級別方案下降約70%。

支撐這對夾爪的，是自變量今年4月發布自研的世界統一具身大模型WALL-B。WALL-B將視覺、動作、物理預測等能力在同一網絡中聯合訓練，使其具備物理規律理解與空間推理能力。以物流分揀為例，面對一個陌生包裹，機器人需要判斷它能否直接夾取，推動后是否會滑動，翻轉時是否容易掉落，以及應該采用單臂還是雙臂操作。

上述負責人告訴紅星資本局，同一套WALL-B通用模型已經在家庭服務、養老、汽車零部件生產、物流分揀等差異極大的領域完成落地驗證。

紅星新聞記者 王田

編輯 郭莊 審核 高升祥

關鍵詞 王田 物流 直播機器人